资源描述：
《多传感器跟踪型数据滤波融合算法》由会员上传分享，免费在线阅读，更多相关内容在行业资料-天天文库。
1、第23卷第4期 哈 尔 滨 工 程 大 学 学 报 Vol.23,№.42002年8月 JournalofHarbinEngineeringUniversityAug.,2002多传感器跟踪型数据滤波融合算法张 锐,李文秀(哈尔滨工程大学自动化学院,黑龙江哈尔滨150001)摘 要:在实际系统中,常用的数据融合方法是基于扩展的卡尔曼滤波算法的融合算法,但是这种融合算法的跟踪精度并不是很高.通过对滤波跟踪型数据融合的研究,提出了基于转换测量值卡尔曼滤波算法的非
2、线性系统中的数据融合方法.研究表明,在利用激光干涉仪进行目标跟踪时,这种基于融合算法的集中式融合算法的跟踪性能优于分布式融合算法,但是,从仿真结果可以看出,两种融合算法的差别并不大,结果基本相同.因此,在非线性系统中,基于转换测量值卡尔曼滤波算法的分布融合算法可以重构集中式融合算法.关键词:转换测量值卡尔曼滤波算法;扩展的卡尔曼滤波算法;数据融合;目标跟踪中图分类号:TN953 文献标识码:A 文章编号:1006-7043(2002)04-0106-04FilteringFusionAlgorithmfor
3、Multi-sensorTargetTrackingZHANGRui,LIWen-xiu(CollegeofAutomation,HarbinEngineeringUniversity,Harbin150001,China)Abstract:ThefusionalgorithmbasedonextendedKalmanfilterincommonusehasthedisadvantageofun2satisfactorytrackingprecision.Sothispaperputsforwardanfu
4、sionalgorithminnonlinearsystemsbasedonconvertedmeasurementKalmanfilter.Theresultsofsimulationprovedthattheresultofcentralizedcon2vertedmeasurementKalmanfilteringisbetterthantheresultofdistributedconvertedmeasurementKalmanfiltering.Butthedifferencebetweenth
5、etwoalgorithmsissmall.Soitisconcludedthatinnonlinearsys2temsdistributedfusionalgorithmbasedonconvertedmeasurementKalmanfilteringcanbasicallyreconstructacentralizedfusionalgorithm.Keywords:convertedmeasurementKalmanfilter;extendedKalmanfilter;datafusion;tar
6、gettracking 按照技术原理来区分,数据融合算法可分为:已被证实是最优的融合算法.但是,由于分布式结假设检验型数据融合算法、滤波跟踪型数据融合构可以以较低的费用获得较高的可靠性和可用算法、聚类分析型数据融合算法、模式识别型数据性,可以减少数据总线的频宽和数据处理的要求,融合算法、人工智能型数据融合算法等.并且有与集中式结构相同或类似的精度,因而受1960年R.E.Kalman提出了卡尔曼滤波,它到了广泛的重视.目前,在设计系统时分布结构已一般分为两个步骤:预估和纠正.从信息处理的两经成为优选的方案
7、.因此,由分布融合算法重构集步上看,这种方法与很多系统的处理方法很相似,中式融合算法是近年来研究较多的问题.在线性因此卡尔曼滤波在信息融合领域的应用既是系统系统中这种研究已经比较成熟.在非线性系统中结构上的,也是具体方法上的.正是卡尔曼滤波处虽然分布的扩展卡尔曼滤波算法常被用来解决这理信息的这两个步骤使得它在信息融合领域大展个问题,但是这种算法不仅容易发散,而且它的融[1]身手.合精度低于集中式融合算法滤波精度.在多传感器的目标跟踪中,集中式融合算法 收稿日期:2001-11-28;修订日期:2002-0
8、6-04.作者简介:张 锐(1976-),女,博士研究生,主要研究方向为鲁棒控制、空间定位与测量.第4期 张 锐,等:多传感器跟踪型数据滤波融合算法 ·107·iiiZ(k)=ξX(k)+v(k).(9)1 转换测量值卡尔曼滤波算法ii这里v(k)是零均值白噪声,方差为R(k).i设目标的状态方程为Ev(k)=0,(10)iiiX(k)=
